축구 풀경기 영상에서 주요 장면을 자동으로 탐지하고,
사용자가 원하는 경기·팀 중심의 하이라이트 영상과 숏폼 콘텐츠를 손쉽게 제작하도록 지원하는 AI 기반 영상 편집 서비스
기존 하이라이트 제작 과정은 긴 경기 영상을 직접 확인하고 필요한 장면을 일일이 편집해야 하므로 많은 시간과 노력이 필요함
| 항목 | 내용 |
|---|---|
| 규모 | 유럽 6대 리그 550경기 풀영상 + 이벤트 라벨 |
| 클래스 | 17개 → 6개 통합 (Goal / Shot / Card / Corner / FreeKick / Save) |
| 활용 | 피처 추출, Action Spotting 모델 학습, Tracking 테스트셋 |
90분 경기 영상에서 추출한 시각적 특징을 딥러닝 모델이 분석하여
골·슛·카드·코너킥 등 주요 장면의 발생 시점을 자동으로 찾아 타임스탬프로 기록합니다.
{
"label": "Goal",
"time_sec": 2616.6,
"confidence": 0.926,
"event_id": "E0016",
"time_hms": "00:43:36.62"
}#SoccerNet #TCN Transformer #TimeStamp
파인튜닝된 RF-DETR로 선수·골키퍼·심판을 실시간 감지하고,
ByteTrack으로 선수가 화면에서 사라졌다 재등장해도 동일 ID를 유지하며 추적합니다.
#RF-DETR #ByteTrack #CVAT
"골 장면만 모아줘", "60초 이내로 줄여줘"
한 마디면 편집 에이전트가 클립을 선별·편집하고
제목·해시태그·썸네일까지 자동 생성합니다.
Agent Capabilities
- 이벤트 유형 필터링 (골·슛·카드 등)
- 클립 길이 조정
- 클립 추가 / 제거
#Agent #LangGraph #Qwen2.5-VL
Step 01 Step 02 Step 03 Step 04 Step 05
영상 업로드 → Action Spotting → 선수 탐지 및 추적 → 편집 에이전트 → 하이라이트 생성
Feature Temporal CNN RF-DETR LangGraph + OpenCV
extract Transformer Fine-tuning gpt-4o-mini + Qwen 2.5-VL
using CVAT Labels + FFmpeg
START
└─ LoadSession (DB 편집안·클립 이력)
└─ UnderstandRequest (의도 병합, EditIntent 생성)
├─ [모호] → AskUser (interrupt() 일시정지) → 유저 답변으로 재개
└─ [명확] → PlanOrReviseEdit (오류 피드백 반영 수정)
└─ ValidatePlan (기계 검사, LLM 없음)
├─ [실패 < 5회] → PlanOrReviseEdit
├─ [실패 = 5회] → FailRespond (조건 완화 요청)
└─ [성공] → SaveAndRespond (DB 저장, version+1)
└─ END
| 이름 | 기수 | 담당 |
|---|---|---|
| 노은서 | 7기 | 트래킹 파이프라인, 점유율 분석, LangGraph 에이전트 설계 |
| 전해성 | 8기 | RF-DETR 파인튜닝, Tracking, 백엔드 |
| 박동준 | 8기 | 프론트엔드 (React), EDA |
| 김재현 | 9기 | Action Spotting 모델 |